CN107219850A - 一种基于机器视觉的机器人自动寻路*** - Google Patents
一种基于机器视觉的机器人自动寻路*** Download PDFInfo
- Publication number
- CN107219850A CN107219850A CN201710381414.7A CN201710381414A CN107219850A CN 107219850 A CN107219850 A CN 107219850A CN 201710381414 A CN201710381414 A CN 201710381414A CN 107219850 A CN107219850 A CN 107219850A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- image
- ambient image
- mfrac
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000003595 spectral effect Effects 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005728 strengthening Methods 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims 1
- 238000001228 spectrum Methods 0.000 claims 1
- 230000004888 barrier function Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于机器视觉的机器人自动寻路***,包括摄像头模块、图像处理模块、路径规划模块、控制模块和驱动电机,所述摄像头模块用于采集机器人所处环境的图像;所述图像处理模块用于将摄像头模块采集得到的机器人所处环境的图像进行高质量处理,得到高质量的环境图像;所述路径规划模块根据高质量的环境图像对机器人的行走路线进行规划;所述控制模块用于控制所述驱动电机,驱动机器人移动到目标位置。本发明通过对采集的图像进行高质量处理,提高机器人自动寻路时的准确度,能够在距离障碍物较远的情况下,判断出障碍物的位置并提前规划好前行路线。
Description
技术领域
本发明涉及机器人领域,具体涉及一种基于机器视觉的机器人自动寻路***。
背景技术
移动机器人路径规划是机器人领域中一个重要的研究方向,筛选出一条最优路径通常需要一定的准则,例如行走路径最短、采集的信息量最多等。目前典型的移动机器人自动寻路方法有图搜索法、栅格法、人工势场法,目前这些算法都会使得机器人在自动寻路过程中陷入局部最优解,不能够对机器人要到达的目的位置有一个比较长远路线规划,在总体角度上使得机器人不能够规划处最优的行走路线。
发明内容
针对上述问题,本发明旨在提供一种基于机器视觉的机器人自动寻路***。
本发明的目的采用以下技术方案来实现:
一种基于机器视觉的机器人自动寻路***,包括摄像头模块、图像处理模块、路径规划模块、控制模块和驱动电机,所述摄像头模块用于采集机器人所处环境的图像;所述图像处理模块用于将摄像头模块采集得到的机器人所处环境的图像进行高质量处理,得到高质量的环境图像;所述路径规划模块根据高质量的环境图像对机器人的行走路线进行规划;所述控制模块用于控制所述驱动电机,驱动机器人移动到目标位置。
本发明的有益效果为:本发明通过对采集的图像进行高质量处理,提高机器人自动寻路时的准确度,能够在距离障碍物较远的情况下,判断出障碍物的位置并提前规划好前行路线。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的框架结构图;
图2是本发明的图像处理模块的框架结构图。
附图标记:
摄像头模块1、图像处理模块2、路径规划模块3、控制模块4、驱动电机5、局部处理单元21、全局处理单元22和细节处理单元23。
具体实施方式
结合以下应用场景对本发明作进一步描述。
参见图1,本实施例的一种基于机器视觉的机器人自动寻路***,包括摄像头模块1、图像处理模块2、路径规划模块3、控制模块4和驱动电机5,所述摄像头模块1连接于所述图像处理模块2,用于采集机器人所处环境的图像;所述图像处理模块2连接于所述路径规划模块3,用于将摄像头模块采集得到的机器人所处环境的图像进行高质量处理,得到高质量的环境图像;所述路径规划模块3连接于所述控制模块4,根据高质量的环境图像对机器人的行走路线进行规划;所述控制模块4连接于所述驱动电机5,用于控制所述驱动电机5,驱动机器人移动到目标位置。
优选地,所述摄像头模块为CCD摄像机。
优选地,如图2所示,所述图像处理模块包括:用于对环境图像进行压缩和消除照度变化的局部处理单元、用于增强环境图像全局对比度的全局处理单元和用于对环境图像进行细节增益处理的细节处理单元。
本发明上述实施例,通过对采集的图像进行高质量处理,提高机器人自动寻路时的准确度,能够在距离障碍物较远的情况下,判断出障碍物的位置并提前规划好前行路线。
优选地,所述局部处理单元采用非线性S形传输函数实现环境图像压缩,提高环境图像局部对比度,恢复环境图像局部色彩,并将所述摄像头模块采集得到的机器人所处环境的图像每个像素点与其临近的像素点的亮度值进行加权平均来消除照度变化,具体为:
式中,表示坐标位置(p,q)第z个颜色谱段第t个尺度的亮度值,tansig(s)为非线性S形传输函数,s为非线性S形传输函数的变量,Kz(p,q)为坐标位置(p,q)第z个颜色谱段的环境图像的像素值,*表示卷积运算,F(p,q)为环绕函数,p和q分别表示环境图像横坐标值和纵坐标值;
式中,Yz(p,q)表示坐标位置(p,q)第z个颜色谱段的亮度值,δt为第t个尺度尺度对应的权重值,且权重值满足归一化条件T为尺度个数,设定为大、中和小3个尺度。
本发明上述实施例,采用非线性S形传输函数取代传统的对数函数来对机器人行进过程中摄像头模块采集得到的环境图像进行压缩,提高图像处理模块对动态环境图像压缩的效率,避免机器人运动过快导致图像画面滞后,而采用加权平均的方式对压缩后的环境图像进行处理,消除环境图像的亮度变化,保证被压缩后动态的环境图像色彩具有良好质量。
优选地,所述全局处理单元包括:
(1)对完成了局部增强后的环境图像的灰度级进行直方图构造,并筛选出直方图中的最大灰度级和直方图中不为0的灰度级总数,具体为:
U(1)=1
式中,U(z)为第z个颜色谱段的灰度级,U(z-1)为第z-1个颜色谱段的灰度级,Qz为第z个颜色谱段出现的概率;
(2)采用灰度级变换函数对环境图像的灰度级进行变换处理,以增强环境图像的全局对比度,保证环境图像信息的完整度,具体为:
式中,R(z)为灰度级变换函数,INT(·)为取整函数,Vmax为环境图像灰度级的直方图中最大灰度级,V为环境图像灰度级的直方图中不为0的灰度级总数。
本发明上述实施例,通过构造直方图和灰度级变换的方法来对机器人摄像头模块采集得到的环境图像进行整体增强,拉伸环境图像的对比度,有利于避免环境图像细节被平滑化,使得环境图像细节能够凸显,同时确保环境图像的清晰度,保证了环境图像具有较好的灰度分辨率。
优选地,所述细节处理单元根据环境图像亮度的变化快慢或细节的丰富程度,将一幅环境图像分成细节区域、高对比度边缘区域和平滑区域,为实现较大地增益环境图像细节区域,较小地增益高对比度区域和平滑区域的边缘,采用自定义空间变化增益函数对环境图像细节进行处理,采用的自定义空间变化增益函数为:
式中,ψz为第z个颜色谱段的空间变化增益函数,为坐标位置(p,q)第z个颜色谱段的亮度归一化后的值,由表征图像边缘对比度的大小,Yz(p,q)表示坐标位置(p,q)第z个颜色谱段的亮度值,p和q分别表示环境图像横坐标值和纵坐标值;
最后,.将局部处理单元进行局部对比度及颜色增强处理后的环境图像、全局处理单元进行全局对比度增强处理后的环境图像和细节处理单元进行细节增益后的环境图像进行融合,合成增强的环境图像,并进行输出。
本发明上述实施例,采用的自定义空间变化增益函数对环境图像的进行细节增强处理,有利于环境图像的高对比度边缘区域和平滑区域细节清晰,同时避免了对噪声的放大,使得环境图像的细节得到更好呈现,大大增强摄像头模块对远距离图像处理能力,使到远距离的图像也能取得较高的清晰度,有利于在路径规划时更加准确。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种基于机器视觉的机器人自动寻路***,其特征是,包括摄像头模块、图像处理模块、路径规划模块、控制模块和驱动电机,所述摄像头模块用于采集机器人所处环境的图像;所述图像处理模块用于将摄像头模块采集得到的机器人所处环境的图像进行高质量处理,得到高质量的环境图像;所述路径规划模块根据高质量的环境图像对机器人的行走路线进行规划;所述控制模块用于控制所述驱动电机,驱动机器人移动到目标位置。
2.根据权利要求1所述的一种基于机器视觉的机器人自动寻路***,其特征是,所述摄像头模块为CCD摄像机。
3.根据权利要求1所述的一种基于机器视觉的机器人自动寻路***,其特征是,所述图像处理模块包括:用于对环境图像进行压缩和消除照度变化的局部处理单元、用于增强环境图像全局对比度的全局处理单元和用于对环境图像进行细节增益处理的细节处理单元。
4.根据权利要求3所述的一种基于机器视觉的机器人自动寻路***,其特征是,所述局部处理单元采用非线性S形传输函数实现环境图像压缩,提高环境图像局部对比度,恢复环境图像局部色彩,并将所述摄像头模块采集得到的机器人所处环境的图像每个像素点与其临近的像素点的亮度值进行加权平均来消除照度变化,具体为:
<mrow>
<msub>
<mi>y</mi>
<msub>
<mi>t</mi>
<mi>z</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>tan</mi>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mo>&lsqb;</mo>
<mfrac>
<mrow>
<msub>
<mi>K</mi>
<mi>z</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>K</mi>
<mi>z</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<msup>
<mn>2</mn>
<mi>t</mi>
</msup>
</mfrac>
<mo>&CenterDot;</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>*</mo>
<msub>
<mi>K</mi>
<mi>z</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>p</mi>
</mtd>
<mtd>
<mrow>
<mi>p</mi>
<mo>&le;</mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>p</mi>
<mo>></mo>
<mn>1</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mi>tan</mi>
<mi>s</mi>
<mi>i</mi>
<mi>g</mi>
<mrow>
<mo>(</mo>
<mi>s</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>2</mn>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mn>2</mn>
<mi>s</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<mn>1</mn>
</mrow>
式中,表示坐标位置(p,q)第z个颜色谱段第t个尺度的亮度值,tansig(s)为非线性S形传输函数,s为非线性S形传输函数的变量,Kz(p,q)为坐标位置(p,q)第z个颜色谱段的环境图像的像素值,*表示卷积运算,F(p,q)为环绕函数,p和q分别表示环境图像横坐标值和纵坐标值;
<mrow>
<msub>
<mi>Y</mi>
<mi>z</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
<msub>
<mi>&delta;</mi>
<mi>t</mi>
</msub>
<msub>
<mi>Y</mi>
<msub>
<mi>t</mi>
<mi>z</mi>
</msub>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</mrow>
式中,Yz(p,q)表示坐标位置(p,q)第z个颜色谱段的亮度值,δt为第t个尺度尺度对应的权重值,且权重值满足归一化条件T为尺度个数。
5.根据权利要求4所述的一种基于机器视觉的机器人自动寻路***,其特征是,所述全局处理单元包括:
(1)对完成了局部增强后的环境图像的灰度级进行直方图构造,并筛选出直方图中的最大灰度级和直方图中不为0的灰度级总数,具体为:
U(1)=1
<mrow>
<mi>U</mi>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>U</mi>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>1</mn>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>Q</mi>
<mi>z</mi>
</msub>
<mo>&NotEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>U</mi>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>Q</mi>
<mi>z</mi>
</msub>
<mo>=</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中,U(z)为第z个颜色谱段的灰度级,U(z-1)为第z-1个颜色谱段的灰度级,Qz为第z个颜色谱段出现的概率;
(2)采用灰度级变换函数对环境图像的灰度级进行变换处理,以增强环境图像的全局对比度,保证环境图像信息的完整度,具体为:
<mrow>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>I</mi>
<mi>N</mi>
<mi>T</mi>
<mo>&lsqb;</mo>
<mi>U</mi>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>)</mo>
</mrow>
<mfrac>
<msub>
<mi>V</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mi>V</mi>
</mfrac>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>U</mi>
<mrow>
<mo>(</mo>
<mi>z</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>V</mi>
<mi>max</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>&rsqb;</mo>
</mrow>
式中,R(z)为灰度级变换函数,INT(·)为取整函数,Vmax为环境图像灰度级的直方图中最大灰度级,V为环境图像灰度级的直方图中不为0的灰度级总数。
6.根据权利要求5所述的一种基于机器视觉的机器人自动寻路***,其特征是,所述细节处理单元根据环境图像亮度的变化快慢或细节的丰富程度,将一幅图像分成细节区域、高对比度边缘区域和平滑区域,为实现较大地增益环境图像细节区域,较小地增益高对比度区域和平滑区域的边缘,采用自定义空间变化增益函数对环境图像细节进行处理,采用的自定义空间变化增益函数为:
<mrow>
<msub>
<mi>&psi;</mi>
<mi>z</mi>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mover>
<mi>Y</mi>
<mo>~</mo>
</mover>
<mi>z</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>Y</mi>
<mi>z</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mi>p</mi>
<mfrac>
<mrow>
<msub>
<mover>
<mi>Y</mi>
<mo>~</mo>
</mover>
<mi>z</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
</mrow>
<mn>128</mn>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mi>q</mi>
<mfrac>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msub>
<mover>
<mi>Y</mi>
<mo>~</mo>
</mover>
<mi>z</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>p</mi>
<mo>,</mo>
<mi>q</mi>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mn>256</mn>
</mfrac>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mn>1</mn>
</mrow>
式中,ψz为空间变化增益函数,为坐标位置(p,q)第z个颜色谱段的亮度归一化后的值,由表征图像边缘对比度的大小,Yz(p,q)表示坐标位置(p,q)第z个颜色谱段的亮度值,p和q分别表示环境图像横坐标值和纵坐标值;
最后,.将局部处理单元进行局部对比度及颜色增强处理后的环境图像、全局处理单元进行全局对比度增强处理后的环境图像和细节处理单元进行细节增益后的环境图像进行融合,合成增强的环境图像,并进行输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710381414.7A CN107219850A (zh) | 2017-05-25 | 2017-05-25 | 一种基于机器视觉的机器人自动寻路*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710381414.7A CN107219850A (zh) | 2017-05-25 | 2017-05-25 | 一种基于机器视觉的机器人自动寻路*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107219850A true CN107219850A (zh) | 2017-09-29 |
Family
ID=59945117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710381414.7A Pending CN107219850A (zh) | 2017-05-25 | 2017-05-25 | 一种基于机器视觉的机器人自动寻路*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107219850A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107195021A (zh) * | 2017-05-25 | 2017-09-22 | 深圳市创艺工业技术有限公司 | 防雾霾干扰的行车记录仪 |
CN108845573A (zh) * | 2018-05-30 | 2018-11-20 | 上海懒书智能科技有限公司 | 一种agv视觉轨道的铺设及优化方法 |
CN110262481A (zh) * | 2019-06-04 | 2019-09-20 | 西南交通大学 | 一种基于酶数值膜***的移动机器人避障控制方法 |
CN110883777A (zh) * | 2019-12-05 | 2020-03-17 | 西安广源机电技术有限公司 | 机器人扫描监测*** |
CN111103872A (zh) * | 2018-10-10 | 2020-05-05 | 北京奇虎科技有限公司 | 控制机器人规避充电装置的方法、装置及计算设备 |
WO2021008233A1 (zh) * | 2019-07-17 | 2021-01-21 | 上海商汤智能科技有限公司 | 机器人图像增强方法及装置、处理器、设备、介质和程序 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100027039A1 (en) * | 2008-07-31 | 2010-02-04 | Canon Kabushiki Kaisha | Image forming system and sheet processing apparatus |
CN102048612A (zh) * | 2011-01-07 | 2011-05-11 | 东华大学 | 一种基于机器视觉的导盲机器人 |
WO2012127872A1 (ja) * | 2011-03-24 | 2012-09-27 | 富士フイルム株式会社 | 画像処理装置、画像処理方法並びに画像処理プログラム |
CN103400392A (zh) * | 2013-08-19 | 2013-11-20 | 山东鲁能智能技术有限公司 | 基于变电站巡检机器人的双目视觉导航***及方法 |
CN204229232U (zh) * | 2014-12-09 | 2015-03-25 | 上海工程技术大学 | 一种移动机器人路径控制装置 |
CN106054899A (zh) * | 2016-07-30 | 2016-10-26 | 许琴琴 | 一种扫地机器人寻路方法 |
CN106239507A (zh) * | 2016-08-16 | 2016-12-21 | 成都市和平科技有限责任公司 | 一种自动寻路机器人***及方法 |
CN106327514A (zh) * | 2016-09-13 | 2017-01-11 | 成都创慧科达科技有限公司 | 一种基于遗传算法的寻路机器人***及寻路方法 |
-
2017
- 2017-05-25 CN CN201710381414.7A patent/CN107219850A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100027039A1 (en) * | 2008-07-31 | 2010-02-04 | Canon Kabushiki Kaisha | Image forming system and sheet processing apparatus |
CN102048612A (zh) * | 2011-01-07 | 2011-05-11 | 东华大学 | 一种基于机器视觉的导盲机器人 |
WO2012127872A1 (ja) * | 2011-03-24 | 2012-09-27 | 富士フイルム株式会社 | 画像処理装置、画像処理方法並びに画像処理プログラム |
CN103400392A (zh) * | 2013-08-19 | 2013-11-20 | 山东鲁能智能技术有限公司 | 基于变电站巡检机器人的双目视觉导航***及方法 |
CN204229232U (zh) * | 2014-12-09 | 2015-03-25 | 上海工程技术大学 | 一种移动机器人路径控制装置 |
CN106054899A (zh) * | 2016-07-30 | 2016-10-26 | 许琴琴 | 一种扫地机器人寻路方法 |
CN106239507A (zh) * | 2016-08-16 | 2016-12-21 | 成都市和平科技有限责任公司 | 一种自动寻路机器人***及方法 |
CN106327514A (zh) * | 2016-09-13 | 2017-01-11 | 成都创慧科达科技有限公司 | 一种基于遗传算法的寻路机器人***及寻路方法 |
Non-Patent Citations (1)
Title |
---|
陈炳权: "车载视频图像处理算法的优化与融合研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107195021A (zh) * | 2017-05-25 | 2017-09-22 | 深圳市创艺工业技术有限公司 | 防雾霾干扰的行车记录仪 |
CN108845573A (zh) * | 2018-05-30 | 2018-11-20 | 上海懒书智能科技有限公司 | 一种agv视觉轨道的铺设及优化方法 |
CN111103872A (zh) * | 2018-10-10 | 2020-05-05 | 北京奇虎科技有限公司 | 控制机器人规避充电装置的方法、装置及计算设备 |
CN110262481A (zh) * | 2019-06-04 | 2019-09-20 | 西南交通大学 | 一种基于酶数值膜***的移动机器人避障控制方法 |
CN110262481B (zh) * | 2019-06-04 | 2021-06-22 | 西南交通大学 | 一种基于酶数值膜***的移动机器人避障控制方法 |
WO2021008233A1 (zh) * | 2019-07-17 | 2021-01-21 | 上海商汤智能科技有限公司 | 机器人图像增强方法及装置、处理器、设备、介质和程序 |
CN110883777A (zh) * | 2019-12-05 | 2020-03-17 | 西安广源机电技术有限公司 | 机器人扫描监测*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107219850A (zh) | 一种基于机器视觉的机器人自动寻路*** | |
CN103745449B (zh) | 一种搜跟***中航拍视频的快速自动拼接技术 | |
US20220343598A1 (en) | System and methods for improved aerial mapping with aerial vehicles | |
US11729495B2 (en) | Directed image capture | |
JP6946831B2 (ja) | 人物の視線方向を推定するための情報処理装置及び推定方法、並びに学習装置及び学習方法 | |
US20210012567A1 (en) | Computer vision method and system | |
CN112150493B (zh) | 一种基于语义指导的自然场景下屏幕区域检测方法 | |
WO2021016873A1 (zh) | 基于级联神经网络的注意力检测方法、计算机装置及计算机可读存储介质 | |
CN110166692A (zh) | 一种提高摄像机自动聚焦准确率和速度的方法及装置 | |
CN110719406B (zh) | 拍摄处理方法、拍摄设备及计算机设备 | |
CN103440662A (zh) | Kinect深度图像获取方法与装置 | |
CN105868735A (zh) | 一种跟踪人脸的预处理方法及基于视频的智慧健康监视*** | |
CN106934380A (zh) | 一种基于HOG和MeanShift算法的室内行人检测和跟踪方法 | |
CN107808376A (zh) | 一种基于深度学习的举手检测方法 | |
CN112184604A (zh) | 一种基于图像融合的彩色图像增强方法 | |
CN105787876A (zh) | 一种基于surf特征跟踪匹配的全景视频自动拼接方法 | |
Liu et al. | Extended faster R-CNN for long distance human detection: Finding pedestrians in UAV images | |
CN108960287B (zh) | 一种实现地形和目标检测的盲人辅助眼镜 | |
CN107330381A (zh) | 一种人脸识别方法 | |
CN107230219A (zh) | 一种单目机器人上的目标人发现与跟随方法 | |
CN114882222A (zh) | 改进YOLOv5目标检测模型构建方法及用于茶嫩芽识别与采摘点定位方法 | |
CN115482523A (zh) | 轻量级多尺度注意力机制的小物体目标检测方法及*** | |
JP2022513868A (ja) | カメラ位置決め | |
CN105303544A (zh) | 一种基于最小边界距离的视频拼接方法 | |
CN107748621A (zh) | 一种智能交互机器人 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170929 |
|
RJ01 | Rejection of invention patent application after publication |